2025年12月，小米发布开源大模型MiMo-V2-Flash，参数规模仅309B，在多项权威评测中表现优异，跻身开源第一梯队。该模型在代码能力评测SWE-Bench中取得73.4%的高分，超越DeepSeek-V3.2等竞品，并在长文本处理、推理加速等方面实现技术突破。小米通过混合注意力机制、多层Token预测（MTP）及在线策略蒸馏（MOPD）等创新技术，显著降低部署成本与推理时间，同时提升性能。MiMo-V2-Flash不仅擅长编程，还能进行情感化交互，展现‘智商+情商’双在线的特点。小米表示，该模型是迈向‘人车家全生态’智能基座的重要一步，未来还将推出多模态版本，进一步推动AI与物理世界的深度融合。

《科创板日报》18日消息，小米大模型团队近日推出一种创新的图像生成方法——对角蛇形自回归图像生成方式（DAR）。该方法突破传统逐行生成模式，通过沿图像对角线方向，以灵活的‘蛇形’路径生成像素，提升生成效率与效果。目前，相关论文、训练代码及模型权重已公开发布。这一新技术展现出在图像生成领域的潜力，值得关注。

3月17日，小米大模型团队宣布在音频推理领域取得重大突破，受DeepSeek-R1启发，他们将强化学习算法应用于多模态音频理解任务，仅用一周时间就以64.5%的准确率登顶国际权威MMAU音频理解评测榜首。MMAU评测集通过复杂任务评估模型的推理能力，目前该榜单第一名为商业闭源模型GPT-4o，准确率为57.3%。小米团队使用Qwen2-Audio-7B模型，结合清华大学的AVQA数据集，通过强化学习微调实现显著性能提升。实验表明，强化学习方法在小数据集上优于传统监督学习，且7B参数模型同样能展现强大推理能力。小米已开源相关代码、模型参数和技术报告，推动学术与产业交流。